[英]How to generate a valid point cloud representation of a pair of stereo images using OpenCV 3.0 StereoSGBM and PCL
我最近开始使用OpenCV 3.0,我的目标是从一组立体相机中捕获一对立体图像,创建一个合适的视差图,将视差图转换为3D点云,最后在一个点云中显示结果点云。使用PCL的点云查看器。
我已经进行了相机校准,结果校准RMS为0.4
您可以在下面的链接中找到我的图像对(左图) 1和(右图) 2 。 我正在使用StereoSGBM来创建视差图像。 我也使用轨迹条来调整StereoSGBM函数参数,以获得更好的视差图像。 不幸的是,我不能发布我的差异图像,因为我是StackOverflow的新手并且没有足够的声誉来发布两个以上的图像链接!
获取视差图像(下面的代码中的“disp”)后,我使用reprojectImageTo3D()函数将视差图像信息转换为XYZ 3D坐标,然后将结果转换为“pcl :: PointXYZRGB”点的数组这样它们就可以在PCL点云查看器中显示出来。 在执行所需的转换后,我得到的点云是一个愚蠢的金字塔形状的点云,没有任何意义。 我已阅读并尝试了以下链接中的所有建议方法:
1- http://blog.martinperis.com/2012/01/3d-reconstruction-with-opencv-and-point.html
2- http://stackoverflow.com/questions/13463476/opencv-stereorectifyuncalibrated-to-3d-point-cloud
3- http://stackoverflow.com/questions/22418846/reprojectimageto3d-in-opencv
他们没有工作!!!
下面我提供了我的代码的转换部分,如果您能告诉我我缺少的内容,将不胜感激:
pcl::PointCloud<pcl::PointXYZRGB>::Ptr pointcloud(new pcl::PointCloud<pcl::PointXYZRGB>());
Mat xyz;
reprojectImageTo3D(disp, xyz, Q, false, CV_32F);
pointcloud->width = static_cast<uint32_t>(disp.cols);
pointcloud->height = static_cast<uint32_t>(disp.rows);
pointcloud->is_dense = false;
pcl::PointXYZRGB point;
for (int i = 0; i < disp.rows; ++i)
{
uchar* rgb_ptr = Frame_RGBRight.ptr<uchar>(i);
uchar* disp_ptr = disp.ptr<uchar>(i);
double* xyz_ptr = xyz.ptr<double>(i);
for (int j = 0; j < disp.cols; ++j)
{
uchar d = disp_ptr[j];
if (d == 0) continue;
Point3f p = xyz.at<Point3f>(i, j);
point.z = p.z; // I have also tried p.z/16
point.x = p.x;
point.y = p.y;
point.b = rgb_ptr[3 * j];
point.g = rgb_ptr[3 * j + 1];
point.r = rgb_ptr[3 * j + 2];
pointcloud->points.push_back(point);
}
}
viewer.showCloud(pointcloud);
做了一些工作和一些研究后,我找到了答案,我在这里分享,以便其他读者可以使用。
从视差图像到3D XYZ(最终到点云)的转换算法没有任何问题。 问题是物体(我正在拍摄照片)与摄像机之间的距离以及可用于StereoBM或StereoSGBM算法的信息量,以检测两个图像(图像对)之间的相似性。 为了获得适当的3D点云,需要具有良好的视差图像,并且为了获得良好的视差图像(假设您已经执行了良好的校准),请确保以下内容:
1-两个框架(右框架和左框架)之间应该有足够的可检测和可区分的共同特征。 原因在于StereoBM或StereoSGBM算法在两个帧之间寻找共同特征,并且它们很容易被两个帧中的类似事物欺骗,这两个帧可能不一定属于相同的对象。 我个人认为这两种匹配算法有很大的改进空间。 所以要注意你用相机看的东西。
2-感兴趣的对象(您有兴趣拥有3D点云模型的对象)应与摄像机保持一定距离。 基线越大(基线是两个摄像机之间的距离),您感兴趣的对象(目标)就越远。
嘈杂和失真的视差图像永远不会产生良好的3D点云。 您可以做的一件事就是在您的应用程序中使用跟踪条,以便您可以调整StereoSBM或StereoSGBM参数,直到您看到良好的结果(清晰和平滑的视差图像)。 下面的代码是关于如何生成跟踪条的一个简单的小例子(我尽可能简单地写了它)。 根据需要使用:
int PreFilterType = 0, PreFilterCap = 0, MinDisparity = 0, UniqnessRatio = 0, TextureThreshold = 0,
SpeckleRange = 0, SADWindowSize = 5, SpackleWindowSize = 0, numDisparities = 0, numDisparities2 = 0, PreFilterSize = 5;
Ptr<StereoBM> sbm = StereoBM::create(numDisparities, SADWindowSize);
while(1)
{
sbm->setPreFilterType(PreFilterType);
sbm->setPreFilterSize(PreFilterSize);
sbm->setPreFilterCap(PreFilterCap + 1);
sbm->setMinDisparity(MinDisparity-100);
sbm->setTextureThreshold(TextureThreshold*0.0001);
sbm->setSpeckleRange(SpeckleRange);
sbm->setSpeckleWindowSize(SpackleWindowSize);
sbm->setUniquenessRatio(0.01*UniqnessRatio);
sbm->setSmallerBlockSize(15);
sbm->setDisp12MaxDiff(32);
namedWindow("Track Bar Window", CV_WINDOW_NORMAL);
cvCreateTrackbar("Number of Disparities", "Track Bar Window", &PreFilterType, 1, 0);
cvCreateTrackbar("Pre Filter Size", "Track Bar Window", &PreFilterSize, 100);
cvCreateTrackbar("Pre Filter Cap", "Track Bar Window", &PreFilterCap, 61);
cvCreateTrackbar("Minimum Disparity", "Track Bar Window", &MinDisparity, 200);
cvCreateTrackbar("Uniqueness Ratio", "Track Bar Window", &UniqnessRatio, 2500);
cvCreateTrackbar("Texture Threshold", "Track Bar Window", &TextureThreshold, 10000);
cvCreateTrackbar("Speckle Range", "Track Bar Window", &SpeckleRange, 500);
cvCreateTrackbar("Block Size", "Track Bar Window", &SADWindowSize, 100);
cvCreateTrackbar("Speckle Window Size", "Track Bar Window", &SpackleWindowSize, 200);
cvCreateTrackbar("Number of Disparity", "Track Bar Window", &numDisparities, 500);
if (PreFilterSize % 2 == 0)
{
PreFilterSize = PreFilterSize + 1;
}
if (PreFilterSize2 < 5)
{
PreFilterSize = 5;
}
if (SADWindowSize % 2 == 0)
{
SADWindowSize = SADWindowSize + 1;
}
if (SADWindowSize < 5)
{
SADWindowSize = 5;
}
if (numDisparities % 16 != 0)
{
numDisparities = numDisparities + (16 - numDisparities % 16);
}
}
}
如果您没有得到正确的结果和平滑的视差图像,请不要失望。 尝试使用OpenCV样本图像(带有橙色台灯的图像)和算法,以确保您拥有正确的管道,然后尝试从不同距离拍摄照片并使用StereoBM / StereoSGBM参数,直到您可以获得某些内容有用。 我为此目的使用了自己的脸,因为我的基线非常小,所以我非常接近我的相机(这是我的3D脸部点云图片的链接,嘿,你不敢笑! ) 1 。经过一周的挣扎,我很高兴看到自己处于3D点云状态。 我以前见过自己从未如此幸福! ;)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.